融合強化學習的DBN跑道侵入風險預測

摘要： 為解決機場跑道侵入事件風險量化難度大、時效性差、精準性低等問題，提升跑道侵入風險預警能力，構(gòu)建融合強化學習的動態(tài)貝葉斯網(wǎng)絡(luò)（DBN）風險預測模型。首先，結(jié)合因果推斷理論與灰色關(guān)聯(lián)分析法分析跑道侵入歷史事件，識別跑道侵入事件風險致因；其次，運用貝葉斯網(wǎng)絡(luò)（BN）理論挖掘各風險因素間的關(guān)聯(lián)性，并利用皮爾遜線性相關(guān)系數(shù)量化各因素間的關(guān)聯(lián)關(guān)系，構(gòu)建表征風險傳播的致因關(guān)系網(wǎng)絡(luò)；然后，利用... （共8頁）